《事件驱动神经形态系统》系统地描述了神经形态工程领域的新技术，包括构建完整的神经形态芯片和解决制造多芯片可扩展系统面临的技术问题。
　　《事件驱动神经形态系统》主要内容分为两部分。分（第2-6章）描述了所构建的AER通信体系结构、AER传感器和电子神经模型，其中，第2-5章用树状图描述了将架构和电路关联起来的历史，并引导读者阅读大量文献；第6章描述了关于事件驱动系统学习的大部分理论知识。第二部分（第7-16章）面向神经形态电子系统构建方向的读者，提供了用于构建传感器和计算单元建模神经

本书从四个角度对人工智能伦理与安全的相关议题进行了深入探讨: ①研究人工智能伦理与安全的必要性和紧迫性，涉及我国人工智能发展战略解读、人工智能伦理准则，以及安全法规的产生背景与发展脉络； ②业界在人工智能伦理与安全领域的研究思路与理论成果，包含安全可信人工智能、人工智能时代的隐私与监控、人工智能与信息安全等内容； ③人工智能技术对各行各业产生的社会性影响与相应的应对之策，涵盖人工智能与就业机会、人工智能系统的偏见、无人驾驶的法律责任、人工智能造假与欺骗，以及人工智能武器化等角度； ④人类与强人工

本书主要阐述人工智能的基本原理、方法和应用技术。全书共13章，除第1章讨论人工智能的基本概念、第13章讨论人工智能的争论与展望外，其余11章均按照“基本智能+典型应用+计算智能”三个模块编写。第一个模块为人工智能经典的三大技术，分别为知识表示技术、搜索技术和推理技术，主要包括知识表示、搜索策略、确定性推理和不确定性推理； 第二个模块为人工智能的典型应用领域，包括机器学习、支持向量机和专家系统； 第三个模块为计算智能与群智能，包括神经计算、进化计算、模糊计算和群智能。
本书力求科学性、模块化

人工智能是计算机科学的一个分支，自诞生以来，理论和技术日益成熟，该领域的研究包括机器人、语言识别、图像识别、自然语言处理、专家系统和深度学习等。本书以浅显易懂、案例丰富的方式带领读者了解人工智能的前世今生，知晓人工智能涉及的相关技术、理论、原理和应用，包括机器学习、计算智能和深度学习，最后是该领域在各行各业的前沿应用和未来发展展望。本书定位于普通高校大学生人工智能普适性教育用书，同时可作为人工智能爱好者的科普类读物。

　　《人工智能应用概论》是校企“双元”合作开发的面向高职学生的人工智能通识课教材。全书分为基础篇：初探人工智能，应用篇：了解人工智能的行业应用，创研篇：人工智能的行业应用实践3篇，共20章。从人工智能时代新技术、新职业、新岗位对高职学生的新要求出发，通过人工智能认知教学（理论认知→应用认知）与人工智能应用实训实践（应用初探→应用实践），实现“认知教学→应用实训→创研实践”的闭环式教育，以拓展学生人工智能视野、培育学生人工智能思维、锻炼学生人工智能应用实践能力。
　　《人工智能应用概论》

本书以人工智能理论和应用智能为出发点，对该人工智能理论领域内经典、且实用的算法进行简明扼要的讲解，力争勾勒出人工智能领域算法形态和领域大致的知识架构。
迄今为止，人类距离实现广义、且通用的类人智能，还有很远、很远的路；而且，目前人工智能理论的算法，往往是在具体行业或领域率先开花结果。为此，本书突出了应用智能的实例讲解，这些实例是根据多年科研经验而改编的小例子，这些例子虽小，但却是全面的、小而精致的、通俗易懂的应用案例，可以作为行业工程师、大创竞赛学生的参考实例。
本书阐

本书主要讲述线性控制系统的经典控制理论及其应用，主要内容包括绪论、控制系统的数学模型、控制系统的时域分析方法、控制系统的根轨迹法、控制系统的频域分析方法、控制系统的设计与校正方法以及线性离散系统分析方法。
本书结合编者十年来的教学和工程实践，突出基础性和实用性，注重应用型人才培养。书中的例题都是经过精心安排的，在介绍各部分内容时还适时插入了MATLAB仿真，便于对理论知识进行验证，使读者可以深刻理解所学的相关内容。每章后面都配有习题，便于读者巩固所学知识。
本书适合作为

本书根据普通高等学校的“自动控制原理”教学大纲编写。共9章，分别是：绪论，控制系统数学模型与建模方法，控制系统特性的时域分析法，控制系统特性的根轨迹分析法，控制系统特性的频率域分析法，控制系统校正与综合的经典方法，线性离散控制系统的分析基础，控制系统特性的状态空间分析法，非线性控制系统的分析基础。
本书可作为自动化专业的基础课程教材，也可供高等院校工程类专业师生学习和使用，并可作为研究生和工程技术人员进行专业基础研究的参考书。
为配合教学，本书配有电子课件、教学大纲、习题答案以及MA

本书第4版共10章。第1章叙述人工智能的定义、起源与发展，归纳了人工智能的研究目标、研究内容和核心要素，简介人工智能的研究和计算方法，列举出人工智能的研究与应用领域，归纳了人工智能对人类经济、社会和文化的影响。第2章主要研究人工智能的知识表示方法，如状态空间法、问题归约法、谓词逻辑法、语义网络法、框架表示、知识图谱、和面向对象表示等。第3章论述人工智能的搜索推理技术，涉及盲目搜索、启发式搜索、博弈树搜索、遗传算法、模拟退火算法和免疫算法等。第4章探讨人工智能的推理技术，包含消解原理、规则演绎系统

本书是深度学习领域的入门教材，阐述了深度学习的知识体系，涵盖人工智能的基础知识以及深度学习的基本原理、模型、方法和实践案例，使读者掌握深度学习的相关知识，提高以深度学习方法解决实际问题的能力。全书内容包括人工智能基础、机器学习基础、深度学习主要框架、深度神经网络、卷积神经网络、循环神经网络、自编码器与生成对抗网络。

本书可作为高等院校人工智能、计算机、自动化、电子和通信等相关专业的本科生或研究生教材，也可作为相关领域的研究人员和工程技术人员的参考书。